面向MEC/基于ICN的架构的新智能缓存和移动策略SarraMehamel引用此版本：萨拉·梅哈梅尔。用于MEC/基于ICN的架构的新智能缓存和移动策略移动计算国家艺术和手工艺学院 -CNAM; Mouloud Mammeri 大 学 （ 阿 尔 及 利 亚 Tizi-Ouzou ） ， 2020 年 法 语 。 NNT ：2020CNAM1284。电话：03153449HAL ID：电话：03153449https://theses.hal.science/tel-03153449提交日期：2021年HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire基于MEC /ICN架构的新型智能缓存和移动性策略计算机、电信和电子博士学院（巴黎）计算机科学和通信研究中心电气和计算机工程学院计算机科学研究实验室博士论文提交人：Sarra MEHAMEL支持日期：2020年11月4日获得以下学位：国家艺术和手工艺学院和Tizi-Ouzou Mouloud Mammeri大学博士专业：计算机科学论文指导人Amia Bouzefrane教授， 法国CNAMM. 穆罕默德·道维教授，UMMTO，阿尔及利亚报告员M. 阿尔及利亚奥兰第一大学BOUABDELLAH KECHARM. NADJIB ACHIR法国巴黎第13大学伽利略研究所高级讲师/HDR考试员夫人。MALIKA BELKADI阿尔及利亚乌姆托大学人类发展报告高级讲师M. H谋杀 MOUNGLA巴黎笛卡尔大学高级讲师/HDR法国3摘要移动边缘计算（MEC）概念提出通过将计算和存储资源放置在网络边缘（可以是网络中的任何类型的基站）来使其动机是提高移动核心并减少移动用户的延迟，因为它的接近性。MEC服务器是托管移动应用程序和服务Web内容的候选服务器边缘缓存是网络边缘中最新兴的内容检索解决方案之它还被认为是使移动边缘计算技术能够提供执行缓存服务的令人感兴趣的机会。特别地，MEC服务器直接在基站处实现，其使得能够在移动用户附近进行边缘缓存和保证部署然而，在移动边缘计算环境（基站）中的服务器的集成复杂化了节能问题，因为移动边缘计算服务器消耗的功率是昂贵的，特别是当负载随时间动态变化时。此外，拥有移动设备的用户正在提出他们的请求，这带来了在有限的缓存大小内处理这样的移动内容请求的挑战。因此，对于缓存机制来说，考虑上述因素是必要和关键的，这意味着大多数现有的研究都集中在缓存分配、内容流行度和缓存设计上。在本文中，我们提出了一种新的边缘设备节能模糊缓存策略，该策略考虑了移动环境的四个影响特征，同时引入了使用现场可编程光栅阵列（FPGA）的硬件实现，以降低总体功耗要求。在MEC服务器上执行适当的缓存策略为在移动网络边缘使用人工智能（AI）技术和机器学习开辟了可能性智能地利用用户上下文信息使设计智能上下文感知移动设备成为可能4抽象边缘缓存。上下文感知使缓存能够感知其环境，而智能使每个缓存能够做出正确的决策，选择要缓存的适当内容，从而最大限度地提高缓存性能。受强化学习（RL）的成功启发，我们将我们的模糊缓存系统扩展到一个改进的强化学习模型。所提出的框架希望最大化高速缓存命中率并且需要多个感知。修改后的RL算法在学习速率上不同于使用随机梯度体面方法的其他RL算法，同时利用从模糊规则获得的最优缓存关键词：以信息为中心的网络，缓存，移动边缘计算，强化学习，模糊逻辑，FPGA。5摘要移动边缘计算（MEC）模式依赖于将计算和存储资源放置在靠近最终用户的网络"端"术语"边缘"是指采用这一新概念的动机MEC服务器是托管移动应用程序和提供Web内容边缘缓存（Edge Caching）是最新兴的技术之一，被称为它也被认为是一种实现MEC概念的技术，因为特别是，MEC服务器直接在基站级别实现，允许在网络端进行缓存，并在靠近最终用户的地方然而，将此外，移动设备用户的需求不断增长，尤其是在用户体验方面由于高速缓存的大小是有限的，因此高速缓存机制能够处理这种情况并提供有效且令人满意的长期解决方案变得必要且至关重要。大多数现有的研究都集中在缓存分配、内容的受欢迎程度或如何在本文中，我们提出了一种基于模糊逻辑的新的节能缓存策略。我们的建议6摘要考虑了移动环境的四个特征，并引入了使用现场可编程有源有源阵列（FPGA）的硬件实现， L’exploitation des 上下文感知使缓存管理器能够考虑受使用代理处理决策问题的强化学习成功的启发修改后的强化学习方法关键词：缓存，移动邻近计算，内容网络，模糊逻辑，FPGA，强化学习。感谢页面：7谢谢你已知的基因89确认;首先，我想对我的导师Samia Bouzerfane教授表示衷心的感谢，感谢她的持续支持、耐心、动力和丰富的知识。她的指导帮助我在整个时间的研究和写作这篇论文。我无法想象有 一 个 更 好 的 顾 问 和 导 师 。 我 还 要 向 我 的 顾 问 Mehammed Daoui 教 授 和SoumyaBanerjee博士表示衷心的感谢，感谢他们的支持、帮助和指导。我想感谢我的论文委员会的成员，他们花了时间来报告我的论文，并成为我的陪审团支持的一部分，即Malika Belkaid博士，博士。Nadjib Achir、Bouabdellah Kechar教授和Hassine Moungla博士。我也衷心感谢我的父亲Djamel，他曾经告诉我，我们最大的弱点在于放弃，最确定的成功之路就是再尝试一次。我的妈妈Fahima无论如何都支持我。我的祖母，Khawla姐妹，Aya和Ibtihel，还有我的小兄弟Adem和Abd elmoudjib，他们是我黑暗日子里的幸福。我的丈夫比莱尔，感谢他的鼓励和牺牲，没有他，我就没有力量克服我在海外学习期间的所有困难。我在法律上的父亲Laid Lasledj和我在法律上的母亲Houria和我在法律上的妹妹Hadjer为他们无尽的爱。最后，非常感谢远近的每一个人，特别是我的朋友Hasna、Ahlem、Imene和Younes，以及我的同事Nacer、Lyes和Khaled，感谢他们的鼓励。已确认的承诺1011内容物摘要3摘要5确认9表15列表图17列表论文19摘要导言33一、背景和技术391移动边缘计算和以信息为中心的网络1.1导言411.2移动边缘网络421.3移动边缘计算421.3.1移动边缘计算服务器431.4以信息为中心的网络1.4.1以信息为中心的网络与当前的互联网已确认的承诺121.5结论502智能机制：模糊逻辑与强化学习2.1导言512.2模糊逻辑512.2.1第51章2.2.1.1定义522.2.1.2成员职能522.2.1.3Mamdani模糊控制542.2.2直觉模糊决策系统的2.2.3模糊逻辑：决策552.3强化学习552.3.1强化学习模型562.4结论593移动边缘计算中的3.1导言613.2缓存：开始613.2.1缓存位置623.2.2缓存策略623.2.2.1缓存策略原则633.2.2.2绩效指标633.2.2.3缓存策略的最新技术水平673.2.3缓存策略的比较693.2.4差异化缓存服务703.3模糊逻辑上的缓存703.4强化学习上的缓存71内容3.5结论7213二、捐款754基于模糊逻辑的节能774.1引言。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...774.2系统模型。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...774.2.1模糊决策系统。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...794.2.1.1设计模糊决策算法。 . . . . . . . . . . ...814.3实施和评估。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...853.1软件解决方案。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...854.3.1.1比较和评估。 . . . . . . . . . . . . . . . ...884.3.1.2长期性能。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...894.3.1.3短期业绩。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...903.2硬件解决方案。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...904.3.2.1FPGA：现场可编程阵列利用率。 . . . ...904.3.2.2结果讨论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...904.4结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...915使用mRL（改进的强化学习）的5.1导言935.2解决方案94概述5.3基于边缘缓存系统的5.3.1拟议的方案945.3.2数学模型975.4问题公式化和模型开发1005.4.1mRL100的高级描述内容145.4.2政策改进1015.4.2.1政策改进的形式模式1025.4.2.2奖励功能1035.5数据和结果分析1065.6讨论结果1075.7结论1146基于MEC/ICN架构的1156.1导言1156.2建筑与设计1156.3基于模糊缓存系统（FCS）算法116的评估6.3.1跟踪分析器1176.3.2绩效评估1196.4结论121结论123出版物125参考书目127附录143附录A14315表列表1.1对移动边缘计算服务器的潜在需求1.2ICN49的主要概念和原则2.1成员职能的几种形式533.1一些现有的传统投资机制摘要3.2一些现有的经典置换机制综述4.1输入变量描述804.2变量输出描述804.3输入变量的模糊化4.4输出模糊化814.5符号864.6硬件设计使用的资源915.1数学符号996.1模拟环境11716表列表17图列表1.1边缘网络方案421.2MEC44的户外场景1.3MEC架构441.4移动边缘计算的分类[6]471.5以信息为中心的网络（ICN）**（右）与当前互联网（左）的小时镜方法。.....482.1直觉模糊系统的522.2强化学习、机器学习和深度学习的关系2.3强化学习模型583.1边缘缓存体系结构654.1模糊推理缓存决策系统804.2输入变量的成员资格函数834.3输出的成员功能844.4根据模糊系统缓存优先级844.5通过给予每个对象优先级来区分Web对象4.6高优先级请求中的4.7模糊缓存系统的缓存命中率，拼箱和FIFO884.8缓存命中率随时间的性8918图列表4.9能耗、热特性、电压和电流的值915.1使用强化学习的缓存场景955.2mRL97上的缓存块图5.3缓存磁铁过程985.4缓存大小随时间的变化1085.5频率直方图1105.6目标函数111的缓存决策评估和优化5.7成本、频率和尺寸之间的1115.8成本、频率和大小的最佳聚类1126.1仿真工具116的高级体系结构和工作负载6.2巨人拓扑1186.3使用固定的α120高速缓存命中率和延迟6.4使用固定缓存大小120的6.5具有固定大小和α121的缓存命中率19论文摘要面向使用内容网络的MEC架构的如今，移动设备是向用户提供各种服务和内容的重要平台。 此外，客户在内容消费方面以及在安 全 性和 服务质 量 方 面 的 要 求 越 来 越 高 。 L’évolution de l’informatique a permisl’introduction du concept de "cloud" pour désigner une collection de serveurs 这就是所谓的移动云。与传统的客户端-服务器技术不同，移动云考虑了各种与移动性相关的因素，如设备功耗、带宽使用成本、网络连接、移动性、上下文敏感性和位置敏感性。[92][102]尽管移动云具有优势，但由于云服务器远离移动设备，仍存在许多挑战这对于具有良好的性能和用户可接受的响应时间是一个障碍 这种新的范式在MEC技术是当今满足不同要求的有前途的解决方案，
